SAAVEDRA RODRIGUEZ, OSCARZEPEDA GODOY, FERNANDO ANDRÉSTORRES MUSSATTO, ALEJANDRO PATRICIOZEPEDA GODOY, FERNANDO ANDRÉS2024-10-302024-10-302012https://repositorio.usm.cl/handle/123456789/58081Catalogado desde la versión PDF de la tesis.Esta investigacion desarrolla un modelo de prediccion de probabilidad de quiebra de empresas en Chile mediante redes neuronales artificiales. La construccion de este modelo se sustenta en el analisis financiero para entender la naturaleza de las variables de entrada, en la minera de datos e inteligencia artificial como ramas fundamentales de donde se deriva la herramienta utilizada, y en la definicion de quiebra empresarial como variable objetivo o de salida. El proceso de quiebra conlleva altos costos pecuniarios y sociales asociados al fracaso empresarial. Por esta razon, constituye un riesgo para las partes interesadas quienes temen la aparicion de este evento de manera subita e impredecible. Para este estudio se ha extraido la data financiera de 30 empresas operando en Chile, desde sus estados financieros publicados por la Superintendencia de Valores y Seguros. Esta muestra se divide en dos grupos: empresas quebradas, registradas bajo la Superintendencia de Quiebras entre 2002 - 2011, y empresas sanas o que no hayan quebrado en ese periodo. Se proponen diferentes modelos de acuerdo a la naturaleza de las variables de entrada, logrando una precision de prediccion de quiebra de un 88,879%, mediante un modelo construido en base de ratios financieros exclusivamente. El modelo de redes neuronales es capaz de predecir la quiebra hasta cinco a~nos en anticipacion, con una precision minima de 52% al quinto a~no previo, lo que fundamenta el uso del indicador y la herramienta como complementos al analisis financiero actual, y consolida el instrumento como una atractiva medida del riesgo financiero.CD ROMPapelesTesis de PregradoB - Solamente disponible para consulta en sala (opción por defecto)3560900212181